arXiv cs.AI· Alan-Barsag Gazzaev, Alexey Gavrilov, Mikhail Mozikov, Sergey Muravyov·· 12 小时前AI 评分58
DiffResearch：用扩散语言模型加速深度研究
DiffResearch: Accelerating Deep Research with Diffusion Language Models
AI 导读
DiffResearch 是一个开源多智能体深度研究框架，把扩散语言模型放在每个阶段的核心。在 100 个 Deep Research Bench 任务上，保持智能体框架、检索代码、提示词和评测不变，仅把主干从自回归模型换成扩散模型，端到端速度约快 6 倍，主要来自规划与写作阶段的量级缩减。
正文 · AI 翻译
摘要：深度研究系统会迭代地进行规划、收集证据、综合与修订，使得端到端延迟成为交互式使用中的关键瓶颈。几乎所有生产系统都构建在自回归（AR）语言模型之上，并在规划与长文写作中继承了从左到右的解码方式。我们提出 DiffResearch，一个开放的多智能体深度研究框架，将扩散语言模型（dLLM）置于每个阶段的核心，并衡量扩散骨干网络如何改变延迟与报告质量。在保持智能体脚手架、检索代码、提示词与评估固定的情况下，我们在一个开放扩散模型与一个可比的 AR 模型之间切换骨干网络。在 100 个 Deep Research Bench 任务上，扩散骨干网络的端到端速度约快 6 倍，这得益于规划与写作环节数量级的缩减。我们进一步提出 dFast，一种分解模式，它读取中间去噪状态并在生成完成前提取子查询，使分解环节单独运行时中位加速达 1.99 倍，且报告质量无损。在该基准的 RACE 评分标准下，dFast 在三种配置中取得最佳总体得分。最后，在公开的系统级排行榜快照中，一个基于更强扩散模型构建的实例排名高于若干商业系统。我们以 Apache-2.0 许可证发布 DiffResearch。
| 评论： | 已被 EMNLP 2026 Industry Track 接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.28909 [cs.AI] |
| （或 arXiv:2610.28909v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28909 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Alan-Barsag Gazzaev [查看邮箱]
[v1]
2026年10月20日 星期二 20:40:20 UTC（31 KB）
来源：arXiv cs.AI · arxiv.org